L'indice MPI (Indice Prognostico Multidimensionale) ਠun indice predittivo di mortalità  non legato ad una malattia specifica, ampiamente accettato e validato a livello internazionale e costruito su dati ottenuti mediante una Valutazione Multidimensionale (VMD) del soggetto anziano. In questa tesi, viene progettato e sviluppato un sistema di riconoscimento di determinate azioni in filmati acquisiti all'interno del contesto abitativo. Questo sistema permette di stimare diversi parametri che compongono due dei domini che formano il MPI: l'Activities of Daily Living e l'Instrumental Activities of Daily Living. La soluzione proposta vede la realizzazione di modelli di reti neurali, in particolare di Convolutional Neural Networks che vengono allenate su dati ricavati dal dataset †œMoments in Time†�, il quale contiene 1 milione di video di azioni classificate di 3 secondi. Moments ਠun progetto di ricerca supportato dal MIT-IBM Watson AI Lab.

Action recognition per stimare le Activities of Daily Living (ADL) di persone anziane

2019

Abstract

L'indice MPI (Indice Prognostico Multidimensionale) ਠun indice predittivo di mortalità  non legato ad una malattia specifica, ampiamente accettato e validato a livello internazionale e costruito su dati ottenuti mediante una Valutazione Multidimensionale (VMD) del soggetto anziano. In questa tesi, viene progettato e sviluppato un sistema di riconoscimento di determinate azioni in filmati acquisiti all'interno del contesto abitativo. Questo sistema permette di stimare diversi parametri che compongono due dei domini che formano il MPI: l'Activities of Daily Living e l'Instrumental Activities of Daily Living. La soluzione proposta vede la realizzazione di modelli di reti neurali, in particolare di Convolutional Neural Networks che vengono allenate su dati ricavati dal dataset †œMoments in Time†�, il quale contiene 1 milione di video di azioni classificate di 3 secondi. Moments ਠun progetto di ricerca supportato dal MIT-IBM Watson AI Lab.
2019
it
Dipartimento di Ingegneria "Enzo Ferrari"
Università degli Studi di Modena e Reggio Emilia
File in questo prodotto:
File Dimensione Formato  
Tesi_Matteo_Gabrielli.pdf

accesso solo da BNCF e BNCR

Tipologia: Altro materiale allegato
Licenza: Tutti i diritti riservati
Dimensione 5.17 MB
Formato Adobe PDF
5.17 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/306275
Il codice NBN di questa tesi è URN:NBN:IT:UNIMORE-306275